毫米波Massive MIMO信道估计算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题背景及研究的目的和意义 | 第8-10页 |
| 1.2 国内外研究现状及分析 | 第10-15页 |
| 1.3 本文研究内容及组织结构 | 第15-18页 |
| 第2章 基于传统压缩感知算法的信道估计 | 第18-32页 |
| 2.1 通信系统的模型结构 | 第18-21页 |
| 2.1.1 Massive MIMO系统结构 | 第18-19页 |
| 2.1.2 Massive MIMO信道估计 | 第19-21页 |
| 2.2 传统压缩感知恢复算法 | 第21-24页 |
| 2.2.1 正交匹配追踪OMP算法 | 第22-23页 |
| 2.2.2 基追踪降噪BPDN算法 | 第23-24页 |
| 2.3 观测矩阵的相关性比较 | 第24-27页 |
| 2.4 仿真结果及分析 | 第27-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 基于稀疏贝叶斯学习的信道估计 | 第32-42页 |
| 3.1 基于SBL信道估计算法 | 第32-35页 |
| 3.2 仿真结果及分析 | 第35-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 基于角度扩展下的结构化稀疏的信道估计 | 第42-50页 |
| 4.1 结构化稀疏信道模型 | 第42-44页 |
| 4.2 仿真结果及分析 | 第44-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第5章 动态信道估计与跟踪 | 第50-72页 |
| 5.1 动态信道状态模型 | 第50-53页 |
| 5.2 目标跟踪算法 | 第53-60页 |
| 5.2.1 扩展卡尔曼滤波算法 | 第53-57页 |
| 5.2.2 SIR粒子滤波算法 | 第57-60页 |
| 5.3 动态信道估计与跟踪算法 | 第60-63页 |
| 5.4 仿真结果及分析 | 第63-71页 |
| 5.5 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第78-80页 |
| 致谢 | 第80页 |
